混频微观产业类数据预测宏观经济的方法初探.pdfVIP

第2期当代金融研究20204

No.2JournalofContemporaryFinancialResearchApril,2020

混频微观产业类

数据预测宏观经济的方法初探

王开，曹哲正，胡啸林

(中银证券研究部，上海200120；复旦大学经济学院，200433；上海财经大学商学院，上海200433)

摘要：传统的宏观经济变量预测使用相同频率的数据，将高频数据统一成低频，但这种做法可能会

人为消除一部分高频数据所带来的信息，影响预测的准确性和及时性。本文使用拐点匹配和格兰杰因果检

验找出合适的微观产业数据作为解释变量，使用混频数据抽样回归(MIDAS)将不同频率的数据进行回归并

检验其预测效果*实证研究表明：使用MIDAS回归对PPI、M1同比增速、M2同比增速的预测效果较好*因

此，在进行产业和货币政策制定时，采用MIDAS回归可以获得较好的预测精度*

关键词：MIDAS；EMD；格兰杰检验;宏观预测

中图分类号:F831文献标识码：A文章编号:2096-4153(2020)02-0024-12

一、引言

宏观数据的预测在国家行政部门制定经济和产业政策、市场投资者分析研判市场中都具有重

要地位，对宏观指标的精准测度和对未来数据拐点的准确把握是预测的两个关键*然而传统的指

数平滑法预测是基于数据的季节性、趋势项和周期项顺推，翘尾效应和新涨价因素的周期不匹配常

造成一致研判的拐点早于实际拐点。另外，月频的产量和价格数据在预测中具有滞后和钝感的缺

点，缺乏高频数据的预测会人为地降低预测精度*

关于宏观数据、经济周期拐点的识别，BryandBoschan(1971)介绍了一种非参数方法，通过设

定一系列的标准和程序来确定拐点，该方法此后被NBER和OECD广泛用于经济周期的研判*此

方法通过三个标准寻找周期和拐点)1)波峰和波谷是轮流出现的；(2)波峰和波谷需要满足一定的

持续时期；(3)衰退期或扩张期需要超过6个月，且一个周期需要超过15个月*关于混频数据抽样

(MixedDataSampling,MIDAS),Ghyselsetal.(2004)首次提出了MIDAS回归，该模型成功解决

了变量因频率不同而无法在同一个回归方程中使用的问题，通过权重函数将高频率的变量与低频

率的变量统一，实现利用高频数据来预测相对低频的经济变量*MIDAS回归的思想源于分布滞后

模型，作者在文中比较了其与分布滞后模型的异同，发现MIDAS回归的估计结果比将所有数据频

率都统一为低频后回归更有效，有些情况下MIDAS回归的估计结果甚至与全部数据都是高频的

分布滞后回归一样有效*Ghyselsetal.(2016)介绍了如何通过R语言中的midasr接口进行混频

数据回归，对MIDAS的模型选择标准和预测精确度进行了更详细的说明，并通过两个实证案例验

收稿日期=2020-01-15

作者简介：王开，中银证券研究部高级固定收益分析师，北京大学硕士，研究领域：宏观经济预测、利率走势研判；

曹哲正，复旦大学经济学院硕士，研究领域：统计金融学、中国宏观经济；胡啸林，上海财经大学商学院

学士，研究领域：数量经济学、实证金融研究*

24

证了MIDAS回归的应用*关于对经济变量的预测，国内也有学者进行了探索。蔡宇（2015）采用

MIDAS回归研究股市回报率对于通胀和产出增长的预测作用，发现MIDAS回归对于新加坡和美国

股市具有比较好的预测效果。刘汉和刘金全（2011）使用MIDAS回归预测对中国GDP季度数据，发

现MIDAS回归对中国宏观经济变量的短时预测有较高的可行性和精确性。

和以往研究相比，本文进行了如下优化）1）在混频回测中使用MIDAS-AR（）模型回归，同时

选取30%的样本数据做样本外测算，来判断该模型在实际